基于加权积能力向量的复杂通信网络效能评估*

周 云

（78111部队，四川 成都 610011）

0 引 言

随着现代通信技术的发展，通信网日益复杂化，以光传输网、卫星网、短波网、计算机网、电话交换网、视频传输网以及移动通信网等多种网络综合构建成为栅格化信息网络。同时，通信网络呈现出的传输速度快、网络规模大、网络复杂度高以及系统异构性强等特点。在面向用户提供通信网络综合服务保障中，各种通信网络的业务功能相互关联，影响通信网络效能的指标参数数量多，进一步提高了通信网络统一管理的复杂程度，也对综合分析评估复杂通信网络效能提出了较高要求。

1 复杂通信指标体系

复杂通信网络是由多种类型网络组成，包括光传输网、卫星网、短波网、计算机网、电话交换网、视频传输网以及移动（集群）网等。各种通信网络间相互关联支撑，共同面向用户提供语音、数据、图像以及多媒体等业务。因此，在复杂通信网络效能评估时，关键在于建立科学合理、全面有效的指标体系。

层次分析法（Analytic Hierarchy Process，AHP）是美国运筹学专家T.L.Saaty于20世纪70年代提出的专为解决复杂系统评估问题，将定性与定量分析相结合的思维决策模型化的评估方法。它系统而简洁、科学合理且适应灵活，在诸多领域得到了广泛应用。层次分析法是将复杂评估问题逐层分解的一种思维方式，可将评估目标分解为若干独立的子目标，再将这些子目标按从属关系向下层分解，从而构成有序相关的层次结构[1-2]。

基于层次分析法的思维方式[3]，在复杂通信网络效能评估指标体系构建时，指标体系的顶层评估总目标为复杂通信网络效能。顶层目标可分解为基础通信、业务服务、安全保密、组织应用以及设备修供等通信网络能力，即通信能力层，进一步分解各通信能力得到相应关键通信网络性能指标，即性能指标层，由此构成多层次的复杂通信网络效能评估指标体系，如图1所示。

图1 复杂通信网络效能评估指标体系

2 ADC效能评估模型

2.1 ADC模型

ADC模型是美国工业界武器系统效能咨询委员会（Weapon System Efficiency Industry Advisory Committee，WSEIAC）于20世纪60年代初期为美国空军建立的评估模型，旨在根据武器系统的有效性（Availability）、可信赖性（Dependability）和能力（Capacity）3大要素评估装备系统，将上述要素组合成一个能表示装备系统总性能的单一效能量度[4]。

ADC模型的表达式为：

式中，E为系统效能；A为有效性向量，表示系统在任意随机时刻开始执行任务时处于不同状态的概率，表达式为A=(a1,a2,…,an)其中n为状态数；D为可信赖矩阵，描述系统在执行任务时处于不同状态的概率，表达式为D=(dij)n×n，其中dij为已知开始执行任务时系统处于状态i、执行任务过程中系统处于状态j的概率；C为能力向量，表征系统在已知各个状态时完成任务的能力度量，表达式为C=[c1,c2,…,cn]T，其中ci为系统在状态i条件下的能力[5-6]。

2.2 ADC模型在复杂通信网络中的参数定义

复杂通信网络为确保提供稳定可靠的通信服务，通常采用关键设备主备双机运行模式。基于此条件，ADC模型在复杂通信网络中的参数定义如下。

2.2.1 有效性向量

在执行任务时，复杂通信网络的系统状态主要有3种：正常态，即所有系统设备都工作正常，系统正常运行，且运行稳定可靠性最高；主备切换态，即系统主用（或备用）设备故障，备用（或主用）设备独立工作，系统仍可保持正常运行，但运行稳定可靠性有所降低；故障态，即系统主、备用设备均发生故障或配套设施严重故障，系统运行中断。

根据可靠性理论，有：

γ为设备正常工作的概率，MTBF为平均故障间隔时间，MTTR为平均故障修复时间，则复杂通信网络系统有效性向量A=(a1,a2,a3)为：

2.2.2 可信赖性矩阵

在已知开始执行任务时系统状态的情况下，复杂通信网络执行任务过程中系统状态会在特定时间处于3种有效状态之一，而可信赖性矩阵反映了在这些系统状态条件下完成任务的可信赖量度。复杂通信网络的可信赖性直接取决于系统的可靠性[7]。

根据可靠性理论，有：

λ为设备故障率，MTBF为平均故障间隔时间。

因为通信网络设备的故障时间服从指数分布，则得到设备在执行任务中的可靠性为：

则复杂通信网络系统可信赖性矩阵D3×3为：

2.2.3 能力矩阵

在已知开始执行任务时系统状态的情况下，复杂通信网络执行任务过程中能力矩阵是系统完成任务能力的度量。复杂通信网络能力矩阵C=[c1,c2,c3]T。其中，c1为系统处于正常状态下的能力概率；c2为系统处于主备切换状态下的能力概率；c3为系统处于故障状态下的能力概率。

3 加权积能力向量

3.1 加权积能力向量计算模型

对复杂通信网络采用加权积计算模型来计算系统能力向量，即：

3.2 能力向量指标赋权

3.2.1 通信能力指标的赋权

通信能力指标的赋权主要依靠专家的经验、知识确定。通常采用德尔菲法[7]，即组织若干熟悉通信网络运维管理的技术专家和通信网络保障组织的业务专家，通过一定方式对各项通信能力指标权重进行独立估计。以平均估计值为基准，计算各专家估计值与平均估计值的偏差，并对产生较大偏差的估计值进行专家再估计，从而最终得到合理的权重值 ωi(i=1,2,…,n)。

3.2.2 通信能力性能指标的赋权

通信能力所属的各种性能指标具有强关联性，通信能力性能指标的赋权适合采用基于关联树分析的PATTERN法[7]。首先，针对复杂通信网络执行不同任务时对通信能力的标准要求形成若干评估基准项，并基于任务要求分配相应的权值；其次，分析通信能力所属的各种性能指标在某个评估基准项上的权值；最后，通过性能指标权值与基准项权值积后求和计算，得到通信能力各性能指标的权重值θij( j=1,2,…,m)。

4 实例分析

依据某任务区域典型复杂通信网络（主要由光传输网、电话交换网、计算机网络以及视频会议网构成）的实际运行监测数据，对评估方法进行验证。各类通信网络关键设备均为主备用双机运行保障模式。根据上述的复杂通信网络效能评估指标体系结构，以基础通信能力、业务服务能力和安全保密能力为通信能力的主要评估指标，选取相应的通信能力性能指标，包括基础传输平均可通率、网络交换平均连通率、语音交换平均拨通率、图像传送平均合格率、终端服务平均满意率、冗余服务平均冗余度、申告服务平均受理率、病毒防护的平均查杀率、安全漏洞的平均修复率、攻击防护平均响应时效性以及密钥分发平均完成率。

4.1 通信网络有效性向量

参考通信网络关键设备典型的工作性能指标，MTBF（平均故障间隔时间）为10 000 h，故障设备修复时间一般为30 d，即MTTR（平均故障修复时间）为720 h。则依据式（2），关键设备正常工作的概率为：

依据式（3），复杂通信网络有效性向量为：

4.2 通信网络可信赖性矩阵

由于通信网络关键设备的典型MTBF（平均故障间隔时间）为10 000 h，则依据式（4），关键设备故障率为：

因通信网络设备的故障时间服从指数分布，执行任务时间一般为14 d，即T为336 h，则依据式（5），关键设备在执行任务中的可靠性为：

依据式（6），复杂通信网络可信赖性矩阵为：

4.3 通信网络能力向量

4.3.1 通信能力的赋权

采用德尔菲法[7]，依靠专家的经验知识对各种通信网络能力进行赋权估值，经去估值偏差处理后，得到各种能力的权重值ωi（i=基础通信能力，业务服务能力，安全保密能力）为：

4.3.2 通信能力性能指标的赋权

采用PATTERN法[7]，依靠专家经验知识，给出各个通信网络性能指标的重要性占比评估值，经赋权算法计算后得到基础通信能力、业务服务能力和安全保密能力所属性能指标的权重值，分别如表1、表2和表3所示。

表1 基础通信能力性能指标权重计算

表2 业务服务能力性能指标权重计算

表3 安全保密能力性能指标权重计算

因此，各通信性能指标权重θij（i=基础通信能力，业务服务能力，安全保密能力）为：

4.3.3 能力向量

参考通信网络性能指标实际运行监测数据，由加权积计算模型计算通信网络能力向量。一般各通信能力性能指标为：基础传输平均可通率90%、网络交换平均连通率90%、语音交换平均拨通率85%、图像传送平均合格率80%、终端服务平均满意率90%、冗余服务平均冗余度0.80、申告服务平均受理率95%、病毒防护的平均查杀率90%、安全漏洞的平均修复率70%、攻击防护平均响应时效性0.80、密钥分发平均完成率100%。

通信网络执行任务处于正常态时，依据式（7）和式（8），能力值为：

通信网络执行任务处于主备切换态时，各通信网络性能指标值需乘以能力影响因子（一般为0.9），以反映系统能力有所降低的情况。依据式（7）和式（8），此时的能力值为：

通信网络执行任务处于故障态时，能力值为C3=0。因此，通信网络能力向量为：

4.4 通信网络效能

综上，将式（10）、式（13）和式（18）代入式（1），则通信网络效能为：

一般的，当通信网络的关键设备故障后修复时间延长、通信网络的执行任务时间延长时，通信网络的有效性和可靠性均会有所下降。假设设备MTTR（平均故障修复时间）延长为1 440 h，执行任务时间延长为720 h，其他条件不变，则通信网络效能为：

当通信网络的性能指标显著下降时，通信网络的保障能力会有所下降。假设执行任务时基础通信能力性能指标下降为基础传输平均可通率70%、网络交换平均连通率65%、语音交换平均拨通率60%、图像传送平均合格率60%，其他条件不变，则通信网络效能为：

对比实例中不同条件下通信网络效能评估数据，评估结果与通信网络实际保障能力变化情况相符。通过分析可知，复杂通信网络的有效性向量A和可信赖性矩阵D直接受到网络关键设备故障情况和执行任务时间的影响，能力向量C则综合反映了通信网络运行性能的实际状况。从实例计算结果可以看出，通信网络关键设备工作稳定可靠、设备配置运行模式、网络运行维护质量等，对于提高通信网络效能有着直接作用。该效能评估方法能较好地反映通信网络中主要因素对通信网络效能的影响，方法具备合理性和可行性。

5 结 语

复杂通信网络效能评估是对多种通信网络构成的整体系统的保障能力进行评估。由于复杂通信网络构成种类多、网间关联性强、影响效能因素多，因此通过对复杂通信网络进行分层的通信能力和性能指标的分解，可准确定义评估指标体系结构，突出影响效能的关键因素。加权积能力向量计算模型针对复杂通信网络层次指标体系，结合通信网络实际运行数据，能较好地度量复杂通信网络保障能力。德尔菲和PATTERN赋权法的综合运用，能合理确定多类通信网络能力指标权重。通过对典型通信网络进行效能评估计算验证，该方法的评估结果与理论分析相符，可为复杂通信网络的效能评估和优化配置提供科学依据。